Identifizierung unbekannter Personen durch einen merkmalsbasierten Vergleich von ante- und postmortalen radiologischen Aufnahmen mittels Computer Vision

• Antragsteller: Dr. Andreas Heinrich
• Fachliche Zuordnung: Toxikologie, Laboratoriumsmedizin ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Endokrinologie, Diabetologie, Metabolismus ; Kriminologie ; Medizinische Physik, Biomedizinische Technik ; Nuklearmedizin, Strahlentherapie, Strahlenbiologie
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 514572362

Bei Opfern von Verbrechen, Unfällen und Massenkatastrophen ist die Identifizierung unbekannter Leichen eine komplexe und anspruchsvolle Aufgabe. Das Ziel dieses Projektes ist ein systematischer und grundlegender Vergleich von Methoden der Merkmalsextraktion und des Merkmal-Matchings zur eindeutigen Identifizierung von Personen mit Hilfe der Computer Vision (CV). Im Projekt soll grundlegend erforscht werden in wie weit CV-Merkmale zur Eingrenzung des Personenkreises einer unbekannten Leiche beitragen können und somit neben der öffentlichen Fahndung der Kriminalpolizei als neues Hilfsmittel geeignet sind, um zielführend Referenzmaterialien für ein rechtskräftiges Identifizierungsverfahren zu sammeln. Die Identifizierungsmethode soll eine eindeutige Identifizierung einer einzelnen Person aus Orthopantomogrammen (OPG) von mindestens 100.000 möglichen Individuen erlauben. Verschiedene Methoden der CV-Merkmalsgewinnung, wie SIFT, SURF, AKAZE, KAZE, BRISK, BRIEF und ORB sollen systematisch miteinander verglichen werden, hinsichtlich der gewonnenen Übereinstimmungspunkte zw. gleichen/verschiedenen Personen, Erfolgsrate der Identifizierung, Dauer der Signalverarbeitung und eines Signifikanz-Schwellwerts zur Beurteilung der Identifizierungssicherheit. Mittels künstlicher neuronaler Netzwerke (KNN) soll die Identifizierungsmethode sowohl weiter beschleunigt als auch robuster werden. Zunächst soll mit einem KNN eine mögliche Verbesserung der Genauigkeit und Signallaufzeit bedingt durch eine Verkleinerung des auszuwertenden Bereichs auf die Zahnreihen und eine Segmentierung der Zähne ggf. auch Zahnimplantate nach dem FDI Zahnschema evaluiert werden. Weiterhin besteht das Ziel das ungefähre Alter der Leiche objektiv und automatisiert mit einem weiteren KNN zu schätzen. Die Virtopsie mittels Computertomographie (CT) ist ein, im Vergleich zur postmortalen OPG Akquisition, einfach zu realisierendes Verfahren. Aus diesem Grund sollen die postmortal gewonnenen CV-Merkmale der Virtopsie mit CV-Merkmalen aus antemortalen CT-Datensätzen und später auch mit Röntgenaufnahmen (modalitätsübergreifende Identifizierung) verglichen werden. In diesem Zusammenhang, soll grundlegend erforscht werden ob ein KNN die Berechnung einer kurvenförmigen multiplanaren Reformatierung (MPR) aus CT-Datensätzen des Kopfes unterstützen kann, um eine OPG ähnliche Darstellung zu erhalten. Weiterhin soll die Anwendbarkeit der Identifizierungsmethode neben OPG-Datensätzen auch an CT- und Röntgen-Aufnahmen von weiteren Körperregionen, wie bspw. Thorax, Kiefer und Schädel evaluiert werden. Dafür sollen verschiedene KNN eine Segmentierung definierter Regionen in Röntgenbildern und CT-Schnittbildern automatisieren, um anschließend die CV anzuwenden.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortliche: Professorin Dr. Gita Mall; Professor Dr. Ulf Karl-Martin Teichgräber